Académique Documents
Professionnel Documents
Culture Documents
Pierre Lopez
LAAS-CNRS
Laboratoire d'Analyse et d'Architecture des Systmes Centre National de la Recherche Scientifique Toulouse
P. Lopez LAAS-CNRS Gestion de Production 1
Plan du cours
Introduction
Historique Typologie des SP Flexibilit, gestion d'activits Structures organisationnelles Programmation linaire Thorie des graphes Mthodes (gnrales) de rsolution exactes et approches Mthodes spcifiques Gestion des stocks Planification des besoins en composants Juste--temps
Mthodes gnrales en GP
P. Lopez LAAS-CNRS
Gestion de Production
Bibliographie
Patrick ESQUIROL et Pierre LOPEZ L'ordonnancement Economica, 1999 Pierre LOPEZ et Franois ROUBELLAT Ordonnancement de la production Herms, 2001
Gestion de Production 3
P. Lopez LAAS-CNRS
3. Gestion d'activits
3.1. Dfinition 3.2. Approche multiniveaux 3.3. Organisation matricielle
Historique
XVIIIme s. : production artisanale XIXme s. : production manufacturire (armes, tabac) XXme s. : dsir de rationalisation des facteurs de production point de dpart de la gestion de production...
distinction radicale entre conception et excution recherche systmatique des conomies de gestes et mouvements utilisation maximale de la machine avance du concept de flexibilit dans les entreprises
Harris et Wilson (1913-1924) : quantit conomique Fayol (1916) : modle hirarchique d'organisation de la production
P. Lopez LAAS-CNRS
SP GP GPAO (1)
Systme de Production
vision automaticienne : transformer un ensemble de matires premires ou de composants semi-finis en produits finis
Gestion de Production
assurer l'organisation du systme de production afin de fabriquer les produits en quantits et temps voulus compte tenu des moyens (humains ou technologiques) disponibles
P. Lopez LAAS-CNRS
SP GP GPAO (2)
Systme de Production
GP
GPAO
Avantage : vision synthtique Inconvnient : masquage des activits non orientes fabrication (tude de march, conception, recherche, ...)
Gestion de Production 7
P. Lopez LAAS-CNRS
donnes techniques
gestion de stocks
gestion des matires gestion du travail
stocks
donnes commerciales
planification ordonnancement
fabrication suivi de fabrication
P. Lopez LAAS-CNRS
Gestion de Production
description des produits et des familles de produits (nomenclatures) description des processus de ralisation (gammes)
assurer l'approvisionnement en matires premires ou composants assurer le stockage de produits fabriqus organiser dans le temps la ralisation des tches en leur attribuant les ressources ncessaires. Prend en compte les donnes techniques et commerciales et celles du suivi de fabrication (quantits dj fabriques, tat des ressources...).
gestion du travail
P. Lopez LAAS-CNRS
Gestion de Production
Systme physique
lments directement impliqus dans le processus de fabrication soumis aux perturbations manant de l'environnement
Systme dcisionnel
gestion des activits du systme physique prise en compte des contraintes environnementales besoin de ractivit
Systme informationnel
assurer les liens systme physique-systme dcisionnel et systme dcisionnel-environnement besoin de ractivit
Gestion de Production 10
P. Lopez LAAS-CNRS
Flexibilit
capacit d'un systme industriel crer ou grer la varit, afin de s'adapter aux changements de l'environnement, internes (pannes machines, absences de personnel...) ou externes (commandes urgentes, retard d'appros...), tout en maintenant son quilibre moyen pour une meilleure ractivit industrielle
flexibilit lie au nombre de choix possibles en rponse une perturbation ractivit = processus de recherche de solution la perturbation
Apparition d'alas
practivit : prparation un changement prvisible proactivit : action en vue de provoquer un changement souhait
P. Lopez LAAS-CNRS
Gestion de Production
11
La gestion d'activits
Activit = action d'un moyen socio-technique, d'une entreprise Gestion d'activits = organiser la programmation d'un ensemble d'activits sous contraintes de temps et de ressources Applications
Traitement
mthodes stochastiques vs. dterministes mthodes exactes vs. approches approches par contraintes
Gestion de Production 12
P. Lopez LAAS-CNRS
volume et htrognit des objectifs approche globale inadapte (trop complexe) distribution en plusieurs centres de dcision possdant une abstraction et une hirarchie distinctes [Antony 65] : classification des dcisions dans une structure 3 niveaux qui diffrent par :
P. Lopez LAAS-CNRS
dfinit la stratgie gnrale ou les macrostructures (tude de march, investissements, campagne publicitaire) horizon de 1 5 ans tablissement d'un plan de production (dfinition des taux de production pour chaque famille de produits) organisation des moyens horizon de 1 mois 1 an dfinit des ordonnancements dtaills (objets terminaux et ressources individualises) horizon de 1 jour 1 semaine
micro-planification (conduite)
temps rel
Gestion de Production 14
P. Lopez LAAS-CNRS
gestion de projet
tactique
planification
oprationnel
ordonnancement
systme de production
P. Lopez LAAS-CNRS
Gestion de Production
15
production continue : produit ne peut attendre qu'une ressource se libre (ex : industries de process sidrurgie, ptrochimie, chimie lourde, pharmacie, agroalimentaire) production de masse : produits quasi-identiques, en grande quantit, moyens de production spcialiss et organiss afin d'optimiser le cycle de production (ex : industrie automobile...) production en petite et moyenne sries : diversit forte des produits, type de demande (personnalis) prohibe quipement spcialis ressources polyvalentes, lancement par lot afin de minimiser les cots lis a une campagne de fabrication (ex : industries de sous-traitance : quipementiers, service) production unitaire (gestion de projet) : production en trs faible quantit, cycle de production lev, nombreuses ressources (ex : industrie aronautique, spatial, BTP, )
Gestion de Production 17
P. Lopez LAAS-CNRS
ordre de passage sur les postes de travail toujours identique (flow shop) importance de la fiabilit du matriel, la panne d'une machine provoquant l'arrt de la chane prpondrance de la maintenance quilibrage de la chane afin que le produit passe un temps aussi constant que possible sur chaque poste. But : flux rythm des produits sans accumulation d'en-cours ni perte de temps.
P. Lopez LAAS-CNRS
Gestion de Production
18
Organisation en ateliers
main d'uvre qualifie et quipements polyvalents importance de la gestion des approvisionnements cots de manutention importants diminution des cots
optimisation de la localisation relative des centres de production : agencement de l'espace technologie de groupe : constitution de "sous-usines" base sur des considrations techniques
P. Lopez LAAS-CNRS
Gestion de Production
19
mobilisation de toutes les ressources de l'entreprise pour la ralisation d'un projet, sur une assez longue priode "survie" des entreprises ralise par la gestion en parallle de plusieurs projets, des stades diffrents d'avancement personnel qualifi excute des tches caractre non rptitif quipements polyvalents problme des stocks secondaire (produit fini non stockable et approvisionnements spcifiques au projet) problmes majeurs : respect des dlais et matrise des cots rle essentiel de l'ordonnancement
P. Lopez LAAS-CNRS
Gestion de Production
20
10
production la commande : dclenche par la commande ferme d'un client grande varit de produits, demande alatoire production pour stock : dclenche par anticipation d'une demande solvable ventail des produits restreint, demande importante et prvisible production mixte : fabrication sur stocks et la commande
P. Lopez LAAS-CNRS
3. Ordonnancement de projet
Position du problme Diagramme de Gantt Graphe potenties-tches Mthode PERT
4. Ordonnancement datelier
Position du problme et dfinitions Problme une machine Flow shop Job shop Open shop
22
11
planification optimale du travail sur des ressources moyen terme production = processus continu sur un horizon relativement important modlisation par des quations ou des inquations linaires o les inconnues sont les volumes de production sur chaque priode Objet : dterminer ces inconnues de faon optimiser un critre (minimisation des en-cours, des stocks, des cots, maximisation des marges bnficiaires) Max Z = A.X sous : C.X B X0
P. Lopez LAAS-CNRS
Gestion de Production
23
Exemple
2 produits 1 et 2 dont les marges brutes sont respectivement 3 et 5 units montaires par unit de produit fabrication = usinage + montage capacit de l'atelier d'usinage = 1800 h/mois capacit de l'atelier de montage = 1000 h/mois 1 unit du produit 1 (resp. 2) ncessite 2 heures (resp. 3 heures) d'usinage et 1 heure (resp. 2 heures) de montage
Programme linaire
Dterminer : maximisent : sous les contraintes : x1 et x2 qui 3x1 et 5x2 2x1+3x2 1800 x1 + 2x2 1000 x1, x2 0
Gestion de Production 24
P. Lopez LAAS-CNRS
12
PL : interprtation gomtrique
800 x2
droite de pente -3/5 correspondant au critre rgion admissible
600
2x
+3
x2
400
=1
80
(600, 200)
x1 = 0
200
x1 +
x2 = 0
2x
=1
000
200
400
600
800
1000 x1
600 units du produit 1 et 200 units du produit 2 marge brute totale = 2800 units montaires
Gestion de Production 25
P. Lopez LAAS-CNRS
PL : rsolution (1)
Le Simplexe
mise en vidence d'une base (affectation de var.) ralisable initiale identification de la solution optimale en partant de la solution initiale et en passant par une suite de solution adjacentes complexit exponentielle mais trs grande efficacit en pratique mthodes de coupe : relaxation des contraintes d'intgrit et rsolution du problme continu
optimum entier STOP sinon ajout de contraintes de faon tronquer la rgion admissible (ou polydre) sans exclure aucune solution entire, jusqu' ce que l'optimum soit entier essentiellement pour les problmes bivalents (variables binaires)
Gestion de Production 26
P. Lopez LAAS-CNRS
13
2me contrainte
solution fractionnaire
1re contrainte
une coupe
P. Lopez LAAS-CNRS
Gestion de Production
27
PL : diffrents problmes
Problme d'affectation
min i j cijxij sous j xij=1, i i xij=1, j xij {0,1} , i,j
Problme de transport
min i j cijxij sous j xijqi (quantit produite), i i xijdj (demande), j xij , i,j
matrices totalement unimodulaires : sous-matrices carres unimodulaires (dterminant = 1) ou singulires (dterminant = 0) la solution continue est entire mthodes de flot maximal cot minimal : algorithmes de FordFulkerson, de Busacker-Gowen, cf. problme du sac--dos : valeur associe chaque objet algorithme pour l'affectation : mthode hongroise algorithme pour le transport : stepping stone
Gestion de Production 28
P. Lopez LAAS-CNRS
14
PL : dualit et solveurs
Problmes primal/dual
Z = CT X max W = b TU AX b sous ATU C X0 U0 3 proprits de la dualit : Le dual du dual est le primal Z* = W* La rsolution par l'algorithme primal permet de dterminer tous les lments de la solution de son dual min sous
P. Lopez LAAS-CNRS
Gestion de Production
29
Ordonnancement
ressource
dcrit l'excution de tches et l'affectation de ressources au cours du temps compte tenu de contraintes et de manire satisfaire des objectifs
moyen socio-technique disponible en quantit limite (capacit) renouvelable ou consommable disjonctive ou cumulative entit lmentaire caractrise par une date de dbut et/ou de fin, une dure et une intensit de ressource interruptible ou non restriction sur l'excution des tches de temps ou de ressource optimalit vis--vis de critres admissibilit vis--vis des contraintes
30
contrainte
objectif
P. Lopez LAAS-CNRS
Gestion de Production
15
finition
La dure de la tche peut tre une fonction de la quantit de moyens utiliss pour son excution (notion de vitesse ou de performance des ressources) : pi=f[aik (t)]
Gestion de Production 31
P. Lopez LAAS-CNRS
Etant donn :
Dterminer :
quand les tches sont excutes ? 1 comment les ressources sont affectes aux tches ?
nature et intensit (4), squencement (5) dbut (1), dure (2), fin (3)
A
3
B
temps
Applications
organisation du travail dans un atelier de fabrication gestion de projet confection d'emplois du temps conception d'algorithmes de gestion (informatique, spatial, )
Gestion de Production 32
P. Lopez LAAS-CNRS
16
P. Lopez LAAS-CNRS
Gestion de Production
33
ordonnancement d'atelier/informatique
11
12 22 32
13 23 33
21 31
emploi du temps
Un problme de flow-shop 33
Budget temps
?
P. Lopez LAAS-CNRS Gestion de Production 34
17
Ordonnancement/Affectation
placement des tches en temps et en espace temps continu contraintes temporelles contraintes de ressources
diagramme de Gantt
ressources
R2 11 22 13
R1
21
12
23
temps
Cmax
P. Lopez LAAS-CNRS Gestion de Production 35
algorithme de rsolution par tentative et retour arrire (backtracking) "Branch and Bound" programmation linaire en variables entires, mixtes programmation dynamique propres chaque type de problme
Programmation mathmatique
Rsultats spcifiques
P. Lopez LAAS-CNRS
Gestion de Production
36
18
Heuristiques
"procdure exploitant au mieux la structure du problme considr, dans le but de trouver une solution de qualit raisonnable en un temps de calcul aussi faible que possible" algorithmes gloutons (myopes) rgles de priorit cadre gnral de rsolution composes de deux grandes parties :
Mtaheuristiques
exploration : permet de visiter des rgions diffrentes dans l'espace des solutions exploitation : permet de savoir o se trouvent les meilleures solutions
solution unique (Tabou, recuit simul, ...) population de solutions (algorithmes gntiques, ...)
P. Lopez LAAS-CNRS
Gestion de Production
37
Principe
A partir d'une solution initiale connue x, amlioration du critre par la recherche de la meilleure solution x' dans un voisinage de x ; si pas d'amlioration arrt, sinon x=x'. A partir d'une solution initiale x, on examine compltement le voisinage de x. On conserve la meilleure solution x'. On mmorise la solution retenue dans une liste taboue d'une longueur donne. A partir d'une solution initiale x, un voisin x' est gnr alatoirement. On calcule l'cart des fonctions cot f = f(x')-f(x). Si f 0, x=x'. Si f > 0, x' remplace x avec une probabilit d'acceptation EXP(- /T) o T est un paramtre, appel temprature, qui dcrot au cours de la procdure.
Mthode Tabou
Recuit simul
P. Lopez LAAS-CNRS
Gestion de Production
38
19
Algorithmes gntiques
(approche volutive)
Principe
Une population initiale est gnre alatoirement. Chaque solution est code comme une chane de caractres (gnes). L'exploration est ralise par les oprateurs de mutation (modification d'un gne) et assure la diversification du voisinage ; l'exploitation est assure par les oprateurs de croisement (permutation de gnes entre solutions parents) et recherche les meilleurs enfants possibles.
P. Lopez LAAS-CNRS
Gestion de Production
39
Rgle de Smith : WSPT (stock d'encours, temps de cycle, retard algbrique, moyens ou pondrs) Rgle de Jackson : EDD (retards maximum) Algorithme de Moore-Hodgson : EDD modifie (nombre de tches en retard)
Gestion de Production 40
P. Lopez LAAS-CNRS
20
Flow Shop
M1 M2 M3
2 machines Rgle de Johnson : le travail i prcde le travail j si dans une squence optimale si : min(pi1, pj2) < min(pj1, pi2) Cas gnral : extension de la rgle de Johnson (heuristique CDS) Pas de stockage sur machine (industrie agroalimentaire) flow shop sans attente M1 M2 M3
Job Shop
M1 M2 M3
2 machines Algorithme de Jackson : bas sur la constitution de 4 familles (M1, M2, M1-M2, M2-M1) et rgle de Johnson 2 travaux mthode graphique (Akers) Cas gnral : gnration d'ordonnancements actifs, sans retard, heuristique de machine goulet ("bottleneck heuristic")
Gestion de Production 42
P. Lopez LAAS-CNRS
21
Open Shop
ex : construction de lotissements, rparation ou maintenance d'engins, tenue d'examens mdicaux, ... fixer un ordre de passage sur les machines pour chaque travail trouver une squence de travaux sur chacune des machines
2 problmes
Minimisation de la dure totale, 2 machines et nonpremption rgle LAPT (Longest Alternate Processing Time first) :
slection sur une machine libre du travail dont l'opration sur l'autre machine possde la plus grande dure
P. Lopez LAAS-CNRS
Contexte dynamique
Arrive continuelle de nouveaux travaux Modifications des caractristiques du problme Informations modlises comme un processus stochastique rgi par une loi alatoire Mthode analytique : thorie des files d'attente
valeurs des critres pour diffrentes rgles de priorit rsultats analytiques sur les valuations en moyenne en rgime stationnaire rsultats pauvres pour les problmes d'atelier base sur des mthodes de Monte Carlo (mthode de simulation du hasard) permet d'viter des hypothses trop simplificatrices facilit de gnrer un ordonnancement et d'examiner divers scnarios
Gestion de Production 44
Simulation
P. Lopez LAAS-CNRS
22
La gestion d'activits
Activit = action d'un moyen socio-technique, d'une entreprise Gestion d'activits = organiser la programmation d'un ensemble d'activits sous contraintes de temps et de ressources Applications
Traitement
P. Lopez LAAS-CNRS
originalit : formulation du problme de dcision exclusivement en termes de contraintes modle = < {variables de dcision}, {contraintes} >
contrainte = expression reliant des variables de dcision solution = ensemble de valeurs qui satisfait toutes les contraintes
caractristiques
analyse du problme, rduction de la combinatoire, sparation analyse/rsolution flexibilit, modularit de l'approche adapte au contexte de l'aide la dcision (volution du modle)
P. Lopez LAAS-CNRS
Gestion de Production
46
23
rgles de cohrence locale pour les contraintes temporelles stratgies de recherche heuristiques
Thorie de l'ordonnancement
thormes de dominance bornes infrieures et suprieures des solutions optimales procdures arborescentes de rsolution
P. Lopez LAAS-CNRS
ensemble de techniques permettant de simplifier la rsolution approche non-dterministe : caractrisation ensemble de dcisions
renforcement de consistance : simplifier la rsolution du problme (suppression des redondances, filtrage des valeurs des variables n'appartenant aucune solution)
P. Lopez LAAS-CNRS
24
Tche 1 Propagation
t tches
P. Lopez LAAS-CNRS
Gestion de Production
affectation de ressources : ensemble de ressources possibles dures dpendantes des ressources pour k, dure des tches variables pi,k [pi,kmin, pi,kmax]
( M 3 ,[5,10])
( M 2 ,[3,7]) ( M 4 ,[5,10])
( M 3 ,[ 2,4])
P. Lopez LAAS-CNRS
Gestion de Production
50
25
i , pi ,k
j , p j ,k rj
dj
i non avant j
A j ! A j \ {Rk }
Rk
i , pi ,k
j , p j ,k
j pi /
di
P. Lopez LAAS-CNRS
Gestion de Production
51
3. Juste--temps 4. OPT
3.1. Introduction 3.2. Mthode Kanban
52
26
une des plus vieilles mthodes de GP gestion base sur la notion de stock assurer un stock moyen pour
stocks = 20 80 % du total du bilan d'une entreprise industrielle (selon l'activit) viter des stocks trop importants (coteux : immobilisation d'une source de revenu et besoin de gestion du stock) viter des stocks trop faibles (difficult d'adaptation aux variations de la demande) stocks ngatifs (ou pnurie, rupture, manque) matires premires (anticiper les fluctuations des prix et les ventuelles dfaillances des fournisseurs...) en-cours (dcouplage des divers stades de la production et quilibrage des flux, protection contre les arrts momentans) produits finis (rduction des dlais de livraison, amortir les fluctuations de la demande, de la production, parer aux priodes chmes (aot))
Gestion de Production 53
3 types de stocks
P. Lopez LAAS-CNRS
Hypothses
planification moyen terme demande prvisible et relativement constante (production sur stock) cots de stockage et d'approvisionnement connus et constants cots proportionnels au nombre de pices viter les ruptures de stock tout en conservant un niveau de stock le plus faible possible QUAND ET COMBIEN COMMANDER ? cot de possession li aux quantits stockes cot de commande li au lancement en production, aux appros... cot de rupture li aux retards de livraison
Gestion de Production 54
But
P. Lopez LAAS-CNRS
27
EOQ = "Economic Order Quantity" valable pour demande rgulire et taux d'appros constant, recompltement priodique, pas de rupture base sur une politique optimale de gestion des stocks dont les caractristiques sont :
succession
d'ordres d'approvisionnement dont l'effet est de remonter le niveau du stock, et de phases o le stock diminue rgulirement sous l'effet de la demande)
il est moins coteux d'attendre que le stock soit vide pour passer commande (courbe y = Dx + Q)
P. Lopez LAAS-CNRS
-D
t Tcycle=Q/D
remplissage du stock non instantan (production par un site A de l'atelier en amont du site B dont on gre le stock)
pour qu'un site A produise Q un taux P, il faut un temps Q/P, pendant lequel la demande D du site B par unit de temps effectue un prlvement DQ/P ; globalement, on a donc un taux P-D pendant une dure Q/P, et on obtient Qmax = (P-D)Q/P = (1-D/P)Q
P. Lopez LAAS-CNRS
Gestion de Production
56
28
P -D
-D
P = taux de production par priode Q = taille en volume de la commande (stock) D = demande en volume par priode Tcycle = intervalle entre deux commandes (priode) Cp = cot de possession par unit de produit et par priode Cc = cot de commande CT(Q) = cot total de stockage par priode
Le cot de possession entre 2 instants t1 et t2 est proportionnel au nb cumul darticles stocks et la longueur de [t1,t2] ; il est donc proportionnel l'aire contenue sous la courbe d'volution des stocks ; do : Cp ( Cp % DCc D Q 1 D CT (Q) = & Q(1 ! ) + Cc # " = Q(1 ! ) + & 2 # T P D 2 P Q ' $ cycle qui forme une hyperbole dont le minimum est trouv en galant zro la drive par rapport Q. On obtient alors la formule de Wilson :
P. Lopez LAAS-CNRS Gestion de Production 58
29
Q*
EOQopt = Q* =
P. Lopez LAAS-CNRS
2Cc DP C p ( P ! D)
D ) P
59
Gestion de Production
Donc :
cot global de commande Cc=1000
Q*= 895 pices CT(Q*)=447,21 par semaine soit 2,24 /pice T*=4,47 semaines
P. Lopez LAAS-CNRS Gestion de Production 60
30
Donc :
demande journalire = 50000/240 = 208,33 production journalire = 200000/240 = 833,33 stock net journalier = 833,33 - 208,33 = 625
Production de Q units en 240Q/200000 jours, au bout desquels on aura 625.240Q/200000=0,75Q units stockes Si Q=8000, et si le stock initial est nul, la production ncessitera 9,6 jours et permettra de stocker 6000 pices qui seront consommes en 6000/208,33=28,8 jours Q*=4714 pices et CT(Q*)=10607
P. Lopez LAAS-CNRS Gestion de Production 61
MRP1 : Material Requirements Planning dans les annes 80 prise en compte de la capacit limite des ressources (MRP2 : Manufacturing Resource Planning) planification moyen terme dans une production flux pousss production rptitive (grande srie) anticiper la demande pour s'adapter ses variations QUAND ET COMBIEN PRODUIRE ? par rapport la gestion des stocks, on met l'accent sur les problmes lis la fabrication, les stocks apportant des contraintes et des cots que l'on cherche minimiser
Gestion de Production 62
Hypothses
But
P. Lopez LAAS-CNRS
31
Implantation
Il faut disposer d'un systme d'information informatis (donnes physiques, donnes comptables, plan directeur de production comportant les quantits produire par famille de produits Master Production Schedule , les niveaux des diffrents stocks et une organisation des moyens disponibilit variable)
MPS
INV
MRP
BOM
Ordres d'achat 63
Gestion de Production
Principe de MRP1
3 phases calcul des besoins bruts planification au plus tard de la mise en fabrication des pices (ou absorption des dlais) calcul des besoins nets Mise en uvre dcisions prises chaque niveau valides par simulation remise en cause si problme
MRP2 : ajout d'heuristiques (agissant sur le lancement en production de pices) pour rester dans les limites imposes par les ressources
Gestion de Production 64
P. Lopez LAAS-CNRS
32
lien
B (1) E (1) D (2) F (2)
A se compose d'un sous-ensemble B, de deux sous-ensembles C et de quatre pices F Nombre de composants pour un compos de niveau immdiatement suprieur (coefficient technique ou de montage) En final, le montage d'une unit de A suppose de disposer de trois units de E et de seize units de F Pour 200 produits A commands, il faut approvisionner 600 pices E et 3200 pices F : ce sont les besoins bruts
F (4)
Dfaut majeur : production non date et ne tenant pas compte des stocks
Gestion de Production 65
P. Lopez LAAS-CNRS
P. Lopez LAAS-CNRS
Gestion de Production
66
33
cycles de montage de A, C et D = 1 semaine cycle de montage de B = 2 semaines dlais d'approvisionnement de E = 1 semaine et F = 2 semaines
E F D E F F C B A
-6
-5
-4
-3
-2
-1
Pour fabriquer 200 produits A, on doit passer commande de 800 pices F au dbut de la semaine -6, de 1600 au dbut de la semaine -4 et de 800 au dbut de la semaine -3. On doit galement passer commande de 200 E au dbut de la semaine -4 et de 400 au dbut de la semaine -3 Politique "lot-for-lot"...
Gestion de Production 67
P. Lopez LAAS-CNRS
Cycle total de fabrication d'un produit fini (A) = somme des plus longs cycles chaque niveau de nomenclature (6) Parallle avec un chemin critique puisque tout retard sur ce chemin (manant de livraison ou de fabrication) affecte d'autant la livraison au client Les pices lances en fabrication sont affectes une consommation prvue (politique lot-for-lot qui implique de commander exactement le nombre d'articles ncessaires par priode) permet de travailler sans stock (en thorie) Inconvnient majeur de MRP1 : dcorrlation entre les dlais et les volumes de production (qui se traduit gnralement par l'introduction d'heures supplmentaires pour faire face l'importance du dpassement des dlais pour des volumes importants) justification de MRP2
Gestion de Production 68
P. Lopez LAAS-CNRS
34
Demande pour A sur les semaines 1 6 : 10, 20, 30, 40, 50, 50 Stocks initiaux : A=30, B=70, C= 100, D=100, E=100, F=500 On part du niveau suprieur de la nomenclature : produit fini A
semaine 1 : demande couverte par le stock stock = 20 semaine 2 : demande couverte par le stock stock = 0 semaine 3 : lancement de 30 units en semaine 2 semaine 4 : lancement de 40 units en semaine 3 semaine 5 : lancement de 50 units en semaine 4 semaine 6 : lancement de 50 units en semaine 5
P. Lopez LAAS-CNRS
Gestion de Production
69
P. Lopez LAAS-CNRS
Gestion de Production
70
35
planification court terme dans une production flux tirs flux tirs : relancer de nouvelles phases de fabrication pour remplacer des produits ou des composants sortis des stocks production de masse fournir le produit exactement au moment du besoin et exactement dans la quantit dsire minimiser les en-cours tendre vers un flux de produits continu, approcher les quatre zros (0 stock / 0 retard / 0 dfaut / 0 panne)
Gestion de Production 71
But
P. Lopez LAAS-CNRS
simpliste mise en ligne des machines pour accrotre la fluidit quipements spcialiss, oprateurs polyvalents flux tirs et recherche des quatre 0 (runion entre les diffrents acteurs de la production)
P. Lopez LAAS-CNRS
Gestion de Production
72
36
Description
dsignation de la pice et de l'opration dsignation des lieux d'origine et de destination quantit par conteneur (conteneur sert aux manipulations inter-postes) nombre de tickets en circulation dans la boucle
particularit d'un Kanban : circule en permanence dans le flux de fabrication ; il descend le flux avec les pices et le remonte une fois les pices consommes chaque poste de transformation possde un tableau mural de Kanbans ; une colonne par rfrence ; chaque colonne possde des index indiquant un niveau de lancement en fabrication possible (lot conomique) et un seuil d'alerte imposant un lancement en urgence
Problme
dterminer le nombre de Kanbans de chaque type ncessaires dans l'atelier fait par simulation ou ttonnements successifs (on enlve des Kanbans jusqu' ce que des ruptures de stock apparaissent) (a) le Kanban est mis sur le conteneur de pices qui viennent d'tre fabriques au poste amont (b) le Kanban accompagne le conteneur au poste suivant (en aval du flux) et reste sur le conteneur en attente (c) au moment o le conteneur est mis en fabrication sur le poste aval, le Kanban est libr et retourne au poste amont (d) le Kanban est plac dans un planning, prs du poste amont ; il sera retir de ce planning au moment d'une nouvelle mise en fabrication
Gestion de Production 74
Diffrentes phases
P. Lopez LAAS-CNRS
37
(a)
(b)
poste aval
(c) flux physique des conteneurs flux des Kanbans Kanban sur un conteneur Kanban libre
(d)
P. Lopez LAAS-CNRS
Gestion de Production
75
plus une philosophie qu'une mthode concept de flux tirs traduit par un flux de lancement adapt au rythme des machine les plus lentes base sur un ensemble de 10 rgles de bon sens utilisant la notion de ressource goulot
il faut quilibrer les flux (dynamique) et non les capacits (statique) l'utilisation d'une ressource non goulot n'est pas lie sa capacit 1 h perdue sur une ressource goulot est 1 h perdue pour tout le systme 1 h gagne sur une ressource non goulot est un leurre les lots de fabrication doivent tre de taille variable et non fixe calculs des besoins en composants et calcul du plan de production doivent tre raliss simultanment (remet en cause le MRP) ...
Gestion de Production 76
P. Lopez LAAS-CNRS
38
P. Lopez LAAS-CNRS
Gestion de Production
77
Ordonnancement de projet
modlisation par graphe potentiels recherche des ordonnancements au plus tt/tard identification des tches critiques caractrisation des marges
P. Lopez LAAS-CNRS
Gestion de Production
78
39
P. Lopez LAAS-CNRS
Gestion de Production
79
Principe de sparation : affecter un camion une tourne Fonction d'valuation : somme des cots minimaux par tourne
P. Lopez LAAS-CNRS
Gestion de Production
80
40
0 71
Principe de sparation : affecter un camion une tourne Fonction d'valuation : somme des cots minimaux par tourne 71 = 62 + 1 + 8
P. Lopez LAAS-CNRS
Gestion de Production
81
0 71
Cam A Tour 1 Cam A Tour 3
Cam A Tour 2
3 126
112 1
Principe de sparation : affecter un camion une tourne (Cam A) Fonction d'valuation : somme des cots minimaux par tourne
2 71
P. Lopez LAAS-CNRS
Gestion de Production
82
41
0 71
Cam A Tour 1 Cam A Tour 3
Cam A Tour 2
3 126
112 1
Principe de sparation : affecter un camion une tourne (Cam B) Fonction d'valuation : somme des cots minimaux par tourne
2 71
Cam B Tour 1 Cam B Tour 3
83 4
5 151
P. Lopez LAAS-CNRS
Gestion de Production
83
0 71
Cam A Tour 1 Cam A Tour 3
Cam A Tour 2
3 126
112 1
Principe de sparation : affecter un camion une tourne (optimum) Fonction d'valuation : somme des cots minimaux par tourne
2 71
Cam B Tour 1 Cam B Tour 3
83 4
(Cam C Tour 3)
5 151
P. Lopez LAAS-CNRS
Gestion de Production
84
42
0 71
Cam A Tour 1 Cam A Tour 3
Cam A Tour 2
3 126
112 1
Principe de sparation : affecter un camion une tourne (optimum) Fonction d'valuation : somme des cots minimaux par tourne
2 71
Cam B Tour 1 Cam B Tour 3
83 4
(Cam C Tour 3)
5 151
P. Lopez LAAS-CNRS
Programme linaire
min ijk x(i,j,k) sous j,k, ijk x(i,j,k) < 1 i,j,k, x(i,j,k) - x(i,j,k-1) < 1 j, ik t(i,j)*x(i,j,k) < tmax(j) t(i,j) R x(i,j,k) {0,1}
critre
contraintes globales
contraintes de domaines
P. Lopez LAAS-CNRS
Gestion de Production
86
43